Tuberculosis and diabetes in Guyana
Notice bibliographique
Résumé
OBJECTIVES: This study was conducted to determine the prevalence of diabetes mellitus among tuberculosis (TB) patients attending three TB clinics in Guyana. METHODS: A cross-sectional study was conducted among TB patients attending TB clinics in three regions in Guyana. A structured questionnaire was used to collect demographic, clinical, and risk factor data. Random blood sugar testing was done using the OneTouch UltraSmart glucometer (LifeScan, Inc., 2002). RESULTS: One hundred TB patients were recruited; 90 had pulmonary TB and 10 had extrapulmonary disease. Fourteen patients were classified as diabetic: 12 had been previously diagnosed as diabetic by a physician and two had abnormally high random blood sugar at the time of enrolment. Of the 12 known diabetics, seven had been diagnosed before TB was discovered, three were identified at the time TB was diagnosed, and two after TB was diagnosed. All 14 diabetic patients presented with pulmonary TB. Thirty-one patients were HIV-positive and 28 of these had pulmonary TB, whereas three had extrapulmonary TB. None of the diabetics were infected with HIV. TB-diabetic patients tended to be older than non-diabetics (median age 44 vs. 36.5 years), were more likely to have been incarcerated at the time of TB diagnosis than non-diabetics (p=0.06), and were more likely to have an elevated (random) blood sugar level (p=0.02). Clinically, diabetes did not influence the presentation of TB. CONCLUSIONS: This study clearly highlights that diabetes and HIV are frequent in Guyanese TB patients. Routine screening of TB patients for diabetes and diabetic patients for TB should be speedily implemented. The National TB Programme should work closely with the diabetes clinics so that TB patients who are diabetics are optimally managed.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».